基于adjoint solver空气动力学优化方案
Kriging模型在机翼气动外形优化中的应用
Kriging模型在机翼气动外形优化中的应用孙美建;詹浩【摘要】针对粒子群等随机优化算法计算量大的缺点,发展了基于Kriging模型的优化方法.采用改进的量子粒子群算法对Kriging模型的相关模型参数进行优化,以提高代理模型预测精度,并与具有双层结构的粒子群算法相结合.采用雷诺平均N-S 方程流场求解器与多目标非线性适应值加权方法,对高维度多目标多约束的跨声速机翼进行了优化,设计的机翼具有理想的压力分布,降低了机翼阻力系数,并且有效控制了低头力矩和翼根弯矩,表明该方法具有较强的工程实用性.%A optimization method based on Kriging surrogate model is developed in order to reduce the number of evaluations of global optimum algorithms such as PSO. A double-layer particle swarm optimization arithmetic based on the Kriging model which enhanced precision by using a modified QPSO to compute the global optimums of correlation model parameters. Reynolds-Averaged Navier-Stokes flow solver and nonlinear weighted sum of multi-objective method is used to optimize transonic wing with multi-objective and multi-restriction. The results demonstrated that the pro posed approach achieves significant drag and moment reduction with ideal pressure distributions over the wing and can be used in an engineering environment.【期刊名称】《空气动力学学报》【年(卷),期】2011(029)006【总页数】6页(P759-764)【关键词】粒子群优化算法;Kriging代理模型;多目标加权;机翼;数值模拟【作者】孙美建;詹浩【作者单位】西北工业大学航空学院,陕西西安710072;西北工业大学航空学院,陕西西安710072【正文语种】中文【中图分类】V211.410 引言在三维气动外形优化中，由于设计变量多以及解Euler/N-S方程计算量庞大，基于梯度信息的直接优化方法仍然是飞行器气动外形优化设计的主要工具［1－3］，然而该方法比较依赖于初始模型，容易陷入局部最优。
航空器飞行性能的多目标优化
航空器飞行性能的多目标优化在现代航空领域，追求更高的飞行性能一直是不懈的目标。
航空器的飞行性能涉及多个方面，如速度、航程、燃油效率、起降性能、机动性等等。
为了实现这些性能的最优组合，多目标优化成为了关键的研究方向。
让我们先从速度这一性能指标说起。
速度对于航空器来说至关重要，它直接影响着运输效率和任务执行能力。
更快的速度意味着能够在更短的时间内到达目的地，但同时也可能带来更大的空气阻力和更高的能耗。
在多目标优化中，我们需要在追求高速度的同时，考虑如何降低阻力和能耗，以达到一种平衡。
航程是另一个重要的考量因素。
对于长途飞行的客机或货运飞机，更长的航程能够减少中途加油的次数，提高运营效率。
然而，要增加航程，往往需要携带更多的燃油，这又会增加飞机的重量，进而影响其他性能。
因此，在优化航程时，必须综合考虑飞机的结构设计、燃油携带量以及飞行过程中的燃油消耗率等多个因素。
燃油效率在当今注重环保和成本控制的背景下显得尤为关键。
提高燃油效率不仅能够降低运营成本，还能减少对环境的影响。
通过优化飞机的外形、发动机性能以及飞行策略，可以在保证其他性能的前提下，最大程度地提高燃油效率。
但这往往需要在空气动力学、热力学等多个学科领域进行深入研究和创新。
起降性能对于机场的运营和航班的安排也有着重要的影响。
较短的起降距离能够使飞机适应更多类型的机场，增加航线的灵活性。
但要实现这一点，需要在飞机的机翼设计、起落架结构以及飞行控制系统等方面进行精心优化，同时也要考虑到飞机在起降过程中的稳定性和安全性。
机动性对于战斗机等军用航空器来说是至关重要的性能指标。
良好的机动性能够使飞机在空战中占据优势。
然而，提高机动性可能会对飞机的稳定性和结构强度提出更高的要求，这就需要在设计和优化过程中找到最佳的解决方案。
在进行航空器飞行性能的多目标优化时，面临着诸多挑战。
首先，各个性能指标之间往往存在着复杂的相互关系，一个指标的改进可能会对其他指标产生不利影响。
提高基于Adjoint方法翼型优化设计鲁棒性的研究
中 图分类 号 ： Ｖ ２ １ １ ． ３
文献标 识 码 ： Ａ
文章 编号 ： １ ０ ０ ０ － ２ ７ ５ ８ （ ２ ０ １ ３ ） ０ ４ － ０ ５ ４ ７ － ０ ９ 数， 将 约束 问题 转化 为无 约 束 问 题 。通 过求 解 流 场 控 制方 程 和 Ａ ｄ ｊ ｏ ｉ ｎ ｔ 方 程来 进行梯 度 求ｎ ｔ 方法和 Ｎ ａ ｖ ｉ ｅ ｒ － Ｓ ｔ ｏ ｋ ｅ ｓ 方 程
在基于梯度信息 的优化设计方法中 ， 最重要 的 步是梯度计算。获得梯度的传统做法是采用有限 差分 方法 。当设计 变 量 较 多 时 ， 用 有 限 差 分方 法计
一
的气动 设计 研究 ， 进 行 了翼 型 、 多段翼型、 机翼 以及 全机 的气 动 优化 设计 ； Ｋ ｉ ｍ＿ ４ 研 究 了基 于 Ａ ｄ ｊ ｏ ｉ ｎ ｔ 方 法 的增升 装 置 的优 化 设 计 ， 并 在文 献 ［ ５ ］ 中通 过 调
数， 推导了贴体坐标 系下相应的 Ａ ｄ ｊ ｏ ｉ ｎ ｔ 方程与边界条件的具体表达形式， 以及梯度表达式。通过数
值 求解流动控 制方程和 Ａ ｄ ｊ ｏ ｉ ｎ ｔ 方程 ， 得 到 目标 函数 对设 计 变量 的梯度 ， 并采 用线搜 索方 法获得 最优
步长， 由此提高了优化算法的鲁棒性。算例表明， 线搜 索方法可以 自 动寻找最优 的步长， 有效解决 了
转化为最优解问题 ， 把物体边界作为控制函数 ， 用拉 格朗 Ｅ ｔ 乘子将 流场方程作 为约束条件 引入 目标 函
收稿 日期 ： ２ ０ １ ２ １ １ － ０ ６
算需要对每一个设计变量进行扰动 ， 并重新求解流 场， 计 算 量很 大 ， 限 制 了 其 在 优 化 设 计 方 法 中 的
基于空气动力学汽车车身优化改进研究
基于空气动力学汽车车身优化改进研究与原有的车身造型研发技术进行对比，建立在空气动力学基础上的车身造型研发方式具有更加明显的汽车节能性与环保性优势。
并且，汽车造型工艺以及空气动力学的基本原理之间具有内在联系。
基于整车参数建立车身和风洞的三维模型并进行网格划分，建立车身空气动力学的有限元模型。
采用k-ε湍流模型，利用耦合式求解器对车身进行外流场的仿真分析，得出影响车身外流场的汽车结构性能参数.对影响车身气动性变化的结构因素进行仿真分析，并以此为依据对原始车身模型进行气动造型优化.对改进的车身进行仿真分析，结果显示气动阻力和气动升力都有所降低，验证改进方法的有效性，为汽车车身的优化研究提供新的参考方法。
标签：汽车车身;气动阻力;气动升力;优化1 研究背景作为汽车的重要组成部分，汽车车身一直都是汽车开发的重点.而汽车的动力性、燃料经济性与操纵稳定性都受到气动力的影响.因此，汽车空气动力学越发受到重视，如何获得拥有良好气动性的汽车车身也成为现代汽车工业中的重要课题，而汽车外流场分析则是对汽车车身进行气动造型优化的重要途径[1]。
汽车在高速行驶时，气动阻力在行驶总阻力中占了很大的比例，因此降低汽车车身的气动阻力系数是很有必要的.较低的气动阻力系数能够降低汽车的气动阻力，有效提升汽车的动力性并且减少其燃油消耗和废气排放量.汽车行驶中由于上部与底部气流速度差产生的气动升力减小了汽车的抓地力，使得汽车“发飘”，影响了汽车的操纵稳定性，这就需要减小汽车的气动升力系数.除此之外，合理的汽车气动布局也能够改善汽车高速行驶时的操作稳定性。
2 汽车外流场仿真分析2.1车身和风洞的仿真模型建立整车性能参数见表1.由于车身的对称性，为提高计算的效率，采用一半车身进行分析，以此来降低计算量并节约时间。
原车模型由于存在多个曲面与细小部件，会给网格划分带来难度，并且使得网格质量下降，计算时难以收敛.因此建模过程中，用光滑的曲面来替代进气格栅;汽车的车底简化为光滑曲面;去除车身的细小部件，如车门手柄，雨刮器等;车身细小缝隙用光滑曲面填平;车轮用简单圆柱体来替代，并在轮胎與地面接触的地方建立台阶，以此模仿轮胎承重变形，防止轮胎面与地面的网格距离过近而无法生成正确的边界层[2]。
ANSYS Fluent流体仿真设计快速优化方法
综合识别最有影响力的设计参数。 指定的外形变化将会如何改变性能？
Sensitivity to Body Forces
优化 稳健仿真
使用梯度数据对性能进行系统地改进。
数值方法及格式对网格节点位置的敏 感性。
Sensitivity to Mass Sources
Adjoint Solver的基本理念
• 传统的流体求解器
Adjoint Solver案例：二维导向叶片设计
• 降低整个系统的压降 P
原始设计 132
P = -232.8Pa 预期变化 10.0Pa 实际变化 9.0Pa P = -223.8Pa 预期变化 8.9Pa
实际变化 6.9Pa P = -216.9Pa 预期变化 7.0Pa 实际变化 3.1 P = -213.8
• 优化后的管路，易发生汽蚀处的最低静压值增大了18%，整个管路 系统的压降减少了24%
Adjoint Solver案例：增大散热片的换热能力
• 通过改变散热片的形状，增大其换热能力。
Adiabatic wall
Inflow
Specified fin temperature
Sensitivity to thermal sources
Adjoint Solver的工作流程
优化过的设计
优化
局部最优 ••••1••••100--什设结设手是是单36 么计计果动否否目x因参如是0还有有标x素数何什1是设指还x2影在改么自计定是x？x3响哪变约的动多x4儿？5束运性目优？能动？标化？？？
CFD分析
qi
Adjoint
c j
Solver
分析伴随求解器的结果
总计降低8%的压降
Adjoint Solver案例：U型管减阻设计
人工智能算法在流体力学优化中的应用研究
人工智能算法在流体力学优化中的应用研究引言流体力学是研究流体运动规律的科学，广泛应用于工程实践中。
随着计算机技术的发展，人工智能算法在流体力学优化中的应用也越来越受到关注。
本文将探讨人工智能算法在流体力学优化中的应用研究，以及未来的发展方向。
人工智能算法在流体力学优化中的应用遗传算法遗传算法（Genetic Algorithm, GA）是一种模拟生物进化的优化方法，通过模拟生物的遗传、变异和适应度选择等过程，来寻找问题的最优解。
在流体力学优化中，遗传算法可以用于求解流场参数的最优配置，优化流体力学系统的性能。
例如，在飞机翼型设计中，通过对翼型的坐标点进行遗传算法的优化，可以得到最佳的翼型形状，从而使飞机的升力和阻力达到最优化。
此外，遗传算法还可以应用于船舶流体力学优化、涡轮机械叶片设计等领域。
神经网络算法神经网络算法（Neural Network, NN）是一种模拟人脑神经系统的计算模型，通过多个神经元之间的连接和权值来实现信息的处理和传递。
在流体力学优化中，神经网络算法可以用于建立流动的模型，预测和优化流体力学系统的性能。
例如，在管道流动问题中，通过采集流体的输入和输出数据，可以训练一个神经网络模型，将流体力学的输入参数与输出结果进行拟合。
然后，通过调整输入参数，可以在神经网络模型的基础上进行优化设计，以获得更好的流体效果。
蚁群算法蚁群算法（Ant Colony Algorithm, ACA）是一种模拟蚂蚁的觅食行为的优化方法，通过模拟蚂蚁释放信息素和选择路径的行为，来求解最优路径问题。
在流体力学优化中，蚁群算法可以用于优化流体力学系统中的流线和流动路径。
例如，在管道布置优化中，通过模拟蚂蚁在不同管道路径上释放信息素的行为，可以找到最优的管道布置方案，使得流体在管道中的流动更加均匀和稳定。
此外，蚁群算法还可以应用于流场分区优化、多孔介质模拟等领域。
粒子群算法粒子群算法（Particle Swarm Algorithm, PSO）是一种模拟鸟群或鱼群集体行为的优化方法，通过模拟粒子的位置和速度的更新，来求解最优解。
基于iSIGHT平台的三维机翼气动优化设计
550
基于 iSIGHT 平台的三维机翼气动优化设计
2003 ,21 (1) :13 - 19. [ 4 ] 朱自强 , 付鸿雁 , 吁日新 , 等. 翼型和机翼的多目标优化设计研究 [ J ] . 中国科学 , E 辑 , 2004 , 33
优化翼型 2 见图 10 ,优化机翼等压线见图 11 ,
优化机翼等 Mach 线见图 12 ,优化结果见表 21
NSGA - Ⅱ优化后的翼型头部变得更加尖锐 ,
中部拱起幅度增大 ,最厚的地方略微向前移动 ,且
下翼面几乎接近水平 ,尾部梭形很明显 ,尖端处与
原始翼型基本重合 ,没有变化 1 上翼面激波不明
Hale Waihona Puke Ζ 应用数学和力学编委会 ,ISSN 1000 - 0887
基于 iSIGHT 平台的三维机 翼气动优化设计 Ξ
银 波1 , 徐 典2 , 安亦然2 , 陈耀松2
(1. 清华大学 工程力学系 ,北京 100084 ; 2. 北京大学 工学院 ,北京 100871)
(戴世强推荐)
摘要 : 基于 iSIGHT 设计平台 ,结合 CFD 软件 Fluent 对三维机翼进行多目标优化设计 ,以提高其气动性 能1 设计过程中采用 NCGA (neighborhood cultivation) ———邻域培植遗传算法 ,NSGA - Ⅱ(non - dominated sorting) ———非支配解排序遗传算法为优化算法 ,以 N - S 方程作为主控方程 ,对三维机翼优化 1 经过 优化设计后结果表明 ,机翼的气动性能有了显著改善 ,该优化方法可推广用于多种翼型和机翼优化 1 关 键 词 : 气动计算 ; 多目标优化 ; 遗传算法 ; 三维机翼 中图分类号 : O354. 1 文献标识码 : A
一种高效高精度的气动弹性结构优化方法
一种高效高精度的气动弹性结构优化方法吕志斌;万志强【摘要】气动弹性结构优化技术主要包括约束求解和优化算法两个方面的内容.针对常用的基于低阶面元法的静气动弹性分析方法计算效率高但精度低的特点,建立了一种高效高精度的基于高阶面元法的静气动弹性分析方法.针对当前气动弹性结构优化技术使用单一优化算法导致搜索精度低、收敛速度慢等特点,将遗传算法和分形算法进行结合,发展了一种遗传/分形混合算法.针对气动弹性结构优化计算时间长、设备要求高等特点,引入了Kriging代理模型方法来加快优化速度,减少时间和设备的耗费.最后以某大展弦比客机机翼为算例,采用基于高阶面元法的静气动弹性分析方法求解约束响应样本,用Kriging代理模型方法对约束响应进行模型构建和预测,并将Kriging代理模型和遗传/分形混合优化算法进行结合,构建了一种高效高精度的静气动弹性结构优化方法.优化分析结果表明,Kriging代理模型在静气动弹性响应预测上具有很高的精度,平均误差均在5％以下,副翼效率预测的平均误差甚至低于1％;遗传/分形混合算法相比于单一的遗传算法具有更快的收敛速度和更强的全局寻优能力.【期刊名称】《民用飞机设计与研究》【年(卷),期】2018(000)004【总页数】9页(P15-23)【关键词】气动弹性结构优化;高阶面元法;静气动弹性;遗传/分形混合算法;Kriging 代理模型;大展弦比客机机翼【作者】吕志斌;万志强【作者单位】北京航空航天大学,北京100191;北京航空航天大学,北京100191【正文语种】中文【中图分类】V221+.30 引言飞机是高度综合的现代科学技术的体现，飞机结构设计又是飞机设计的主要阶段[1]。
但随着现代飞机尤其是民用客机与运输机追求高性能和低结构重量等方面的要求，飞机结构柔性较大，导致飞机结构变形增大。
加之近代工业在复合材料、智能材料等新型材料研究上的突破和应用，使得气动弹性问题在飞机设计中越来越凸显出来[2]。
Adjoint Solver案例解析
Fluent Adjoint Solver案例解析◆右侧为这样一根U型弯管，内部流体为空气，进口速度为15m/s，出口为压力出口。
◆利用Fluent Adjoint Solver方法，优化弯头位置的形状，从而使得进出口的压力降变小进口风速：15m/s压力出口1，初始流场计算在进行Adjoint优化之前，首先要进行弯管的流场计算，基本设置如下：2，结果后处理压力场速度场进出口压力降：257Pa3，开启Adjoint模型并设置利用TUI命令:define/models/addon-module 6然后设置优化目标：压力降减小3，开启Adjoint模型并设置求解设置3，开启Adjoint模型并设置求解计算先点击Initialize，然后设置迭代数150，最后点击Calculate进行迭代计算3，开启Adjoint模型并设置设置变形区域等参数3，开启Adjoint模型并设置设置变形区域等参数3，开启Adjoint模型并设置设置变形区域等参数其他保持默认设置即可4，网格变形前面设置好之后，我们就可以调整freeform scale factor，进行变形设置了，这里默认的比例因子是0.1，通过调整这个比例因子，可以调整变形量的大小。
比例因子变大，变形量变大，则目标优化效果越好，但如果比例因子太大，造成变形太大，就会产生网格畸变，形成负体积网格，导致失败。
所以应该从0.1开始，逐渐增大比例因子，并对比不同比例因子时，目标优化的效果如何。
4，网格变形先点击Calculate Desin Change，然后在点击Modify Mesh，查看变形结果比例因子0.1比例因子0.5比例因子1比例因子5比例因子10我们看到，随着比例因子的增大，变形量逐渐变大，变形效果逐渐显示出来。
5，计算当变形完成之后，最后还需要重新计算一下，看看压力降结果如何变化，下面看变形因子为10时，压力降的变化原模型压力场变形后压力场原模型压力降变形后压力降发现压力降由257Pa ，变为147Pa，降低了100Pa，约为39%总结通过一个弯管的案例，详细讲解了Adjoint Solver的使用方法，最后结果表明，优化后压力降低了100Pa，约为39%，降压效果非常明显。
基于MATLAB的现代优化算法在飞行器气动外形设计中的应用
宇
航
学
报
+%,-./& %0 123-%./,3452
$%&’ !" (%’ # +/.,/-6 !))*
! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! ! !
［#］ 。对于不具有解析形式、 非 只能获得局部最优解
题的。 简单遗传算法采用浮点数编码， 指数形式的适 应度定标方法， 择优比例选择算子， 单点交叉， 均匀 变异算子以及最优保存策略。 混合 （模拟退火） 遗传算法采用浮点数编码， 指 数形式的适应度定标方法， 择优比例选择算子， 算术 交叉算子， 非均匀变异算子以及最优保存策略。在 每一代进化完成后， 在每一个个体的邻域进行一次 扰动， 并按照模拟退火中的 <C3-%D&42 准则接受新解。 由于混合了模拟退火算法， 极大地改进了简单遗传 算法局域搜索能力不强的弱点。另外， 由于采用与
收稿日期： 修回日期： !))!7)87!#， !))!7#)7#*。 基金项目： 国家自然科学基金资助项目 （批准号 #))9!)9"）
;PS
宇航学报
第 <S 卷
退火温度相关的指数形式的适应度定标方法， 个体 选择压力随着退火温度的降低逐渐增大， 因此， 算法 的收敛速度提高。 模拟退火算法源于对固体退火温度的模拟， 通 过邻域搜索技术产生新解， 按照 !"#$%&’() 准则接受 新解， 并使用冷却进度表参数控制算法进程， 以便在 多项式时间里获得问题的一个近似最优解。 基于分支联赛选择的多目标遗传算法能够给出 具有两个冲突目标的多目标优化问题的近似非劣解 集， 和传统的求解多目标问题非劣解集的加权系数 法和约束法等相比， 能够在一次运行中， 获得近似非 劣解集， 因而具有相当大的优势。不同于单目标遗 传算法， 多目标遗传算法需要按照 “非劣解” 概念来 选择， 并且尽可能使种群中的个体沿非劣解集阵线 均匀分布。基于分支联赛选择的多目标遗传算法采 用了二进制 *$+, 码编码方式， 按照目标分支联赛选 择算子， 均匀交叉算子， 基本位变异算子以及 -+$"#% 过滤器算子和最优保存策略。分支联赛选择算子的 作用是尽可能将 “非劣解” 个体进化到下一代种群， 均匀交叉算子保证了种群的多样性， 而 -+$"#% 过滤 器算子是用来过滤收集 “非劣解” 个体的容器。 这些算法在 !./0.1 中的 ! 2 函数文件头分别 如下： ［ 3"#+， （ 89:)#$， )#%&4%5" ］6 7*. &+$)&+4"， %&#(%:)， &;， &<， &=）> 简单遗传算法 ［3"#+， （ 89:)#$， )#%&4%5" ］6 ?*. &+$)&+4"， %&#(%:)， &;， &<， &=）> 混合遗传算法 ［ 3"#+， （ 89:)#$， )#%&4%5"］ 6 .::"+’ &+$)&+4"， %&#(%:)， &;， &<， &=）> 模拟退火算法 ［ 3"#+， （ 89:)#$， 8%3@ ］6 -*. &+$)&+4"， %&#(%:)， &;， &<， &=）> 多目标遗传算法 其中， 对于多目标遗传算法 3"#+ 为最优解向量， 3"#+ 为参数空间非劣解集， 8%3@ 为目标空间非劣解 集， )#%&4%5" 为算法终止的状态； 89:)#$ 为用户应用程 序名字符串； &+$)&+4" 为设计参数的上下限矩阵； %&A 为算法的控制参数， 比如种群规模， 交叉概率， #(%:) 变异概率， 退火温度等， 程序中给出了缺省选择； &;， &<， &= 为传给目标函数 89:)#$ 的变量。 对于约束非线性规划问题， 采用序列无约束最 小化方法 （ 7B!/） 来求解， 罚因子通过参数 -; 传值， 并在算 法 中 以 一 定 形 式 增 加； 用户目标程序采用 （ C 或 D%$#$+: ） 混合编程的方 !./0.1 和 其 他 语 言 法， 利用 !"ED9:4#(%: 函数， 通过 !./0.1 编译器生
基于响应面方法的风力机叶片多目标优化设计研究
基于响应面方法的风力机叶片多目标优化设计研究邓磊;乔志德;宋文萍;高永卫【摘要】运用基于响应面方法的优化设计技术,于径向使用NPU-WA-风力机专用翼型族的某1.5MW水平轴风力机叶片的多目标、多约束优化设计研究中.风力机气动性能使用基于叶素-动量理论的风力机性能分析和设计软件PROPID51.设计变量为叶片径向外形参数,包括弦长和扭转角分布,但是相对厚度保持不变;设计目标为年发电量和功率系数的最大化；在多目标优化中,使用“统一目标函数”法将多个设计目标函数通过加权求和统一到一个目标函数中.为减小计算量,响应面模型使用不含二阶交叉项的二阶多项式模型；构建模型中试验点的选择满足D-优化准则.以某1.5MW变速变矩型风力机叶片为例,进行了优化设计研究.叶片径向使用西北工业大学翼型研究中心设计的NPU-WA-风力机专用翼型族,使用CFD计算的气动性能数据作为输入进行了设计,分析了目标函数的权值分配对设计结果的影响；使用风洞测量自由转捩的气动性能数据进行了设计并分析了表面光滑条件对气动性能的影响.%Optimal technique based on Response Surface Methodology (RSM) is employed in a multi-objective optimization design of a 1. 5MW horizontal-axis wind turbine (HAWT) blade with NPU-WA series airfoils for wind turbine application used along the span. The software of PROPID51 for the design and analysis of HAWT based on Blade Element Momentum (BEM) theory is used to predict the aerodynamic performance. The design variables are the blade shape parameters including chord and twist distributions along the span while relative thickness distributions are maintained. The objectives of the model are the maximums of Annual Energy Production (AEP) and power coefficient. A composite functioncalled desirability function is built using the weighted sum of the individual objective function. The reduced quadratic polynomial without the second-order-cross items are used as RS model to reduce the computational cost and the set of design points is selected to satisfy D-optimality. The optimal design is performed on a 1.5 MW variable-pitch and variable-rpm wind turbine blade and the NPU-WA series airfoils developed in Northwestern Poly. Univ. for wind turbine application are used along the span. The calculated aerodynamic performance of airfoils is used as inputs in optimal design to analyze the effects of the weight factor of the individual objective function; experimental aerodynamic performance at free transition condition is used in design as well and the effects on aerodynamic performance of HAWT for clean and soiled surface conditions are analyzed.【期刊名称】《空气动力学学报》【年(卷),期】2012(030)003【总页数】6页(P405-410)【关键词】水平轴风力机;响应面方法;优化设计;多目标;NPU-WA翼型族【作者】邓磊;乔志德;宋文萍;高永卫【作者单位】西北工业大学翼型、叶栅空气动力学国家级重点实验室,陕西西安710072;西北工业大学翼型、叶栅空气动力学国家级重点实验室,陕西西安710072;西北工业大学翼型、叶栅空气动力学国家级重点实验室,陕西西安710072;西北工业大学翼型、叶栅空气动力学国家级重点实验室,陕西西安710072【正文语种】中文【中图分类】TK830 引言随着风电技术的迅猛发展，风电设备的设计能力和制造技术日趋成熟，产品进入商品化阶段，风电在与传统电能的竞争中，经济因素已从某种意义上上升到首要因素，因此必然的趋势就是单机容量的大型化。
低雷诺数旋翼翼型气动性能多目标优化
低雷诺数旋翼翼型气动性能多目标优化陆丰文;孙骅【摘要】According to the aerodynamic performance of rotor with low-Reynolds number, the article establishes a method of rotor airfoil’s multi-objective optimization with low-Reynolds which based on genetic algorithm. In this method, the airfoil parameterizes by Hicks-Henne function and establishes mathematical model of the aerodynamic performance based on actual conditions. In order to solve the problem which airfoils’ s optimization of latter period can’ t be sustained, the article uses a method that adaptive the genetic operator and the object function. NACA0012 as the reference airfoil, in the case of satisfying a predetermined constraint, optimized airfoil has a more substantial increase in performance and it is consistent with pre-optimization goals.%根据旋翼在低雷诺数下的气动特点，发展了一种基于遗传算法的低雷诺数旋翼翼型多目标优化设计方法。
基于伴随方法、梯度增强Kriging方法的涡扇发动机进气道减噪高效优化方法
基于伴随方法、梯度增强Kriging方法的涡扇发动机进气道减噪高效优化方法邱昇【摘要】发动机进气道减噪优化设计问题中涉及大量设计变量,使用常规的Kriging模型来求解时计算量巨大,且计算效率低下.为了高效设计低噪声进气道,首次发展了用于管道声学问题的声传播方法、伴随方法、梯度增强Kriging方法的混合方法,提出了一套基于声学伴随方法和梯度增强代理模型的高效优化设计框架.利用伴随方法高效求解设计变量的梯度信息;并加入Kriging代理模型中,显著提高了代理模型的精度;阐述了梯度增强Kriging方法和伴随混合方法在低噪声涡扇发动机进气道设计中的应用潜力.首先通过两个标准函数,测试了梯度增强的Kriging方法的寻优性能.最后,应用发展的混合方法进行了高达24个设计变量的典型进气道低噪声设计.结果表明,在额外的梯度信息下,混合方法可设计出满足气动性能约束的低噪声进气道,验证了设计框架的有效性和高效率.【期刊名称】《科学技术与工程》【年(卷),期】2018(018)019【总页数】7页(P289-295)【关键词】气动声学;伴随方法;梯度增强Kriging方法;进气道;减噪优化设计【作者】邱昇【作者单位】中国航发商用航空发动机有限责任公司,上海200240【正文语种】中文【中图分类】V211.1由于世界范围内的航空交通量的持续、快速增长，飞机和航空发动机的噪声已成为一个重要的问题；其大小直接影响噪声适航证的获取。
现代发动机高涵比不断增大，喷流噪声显著降低，风扇噪声成为在起飞和降落阶段的主要噪声源。
为了满足适航要求，大型客机发动机的设计在考虑性能要求的同时，需要针对噪声进行优化。
除了广泛应用敷设降噪声衬来降低风扇噪声的常规方法，通过进气道几何形状控制管道内噪声传播途径来降低噪声也是一种行之有效的方法。
Zheng等对涡扇发动机进气道设计进行了优化设计。
优化结果表明，有效地改变了远场的噪声水平[1]。
Pan 等利用实验室已有CFD代码和声学商业软件ACTRAN，发展了噪声优化软件，通过优化进气道几何外形来降低噪声[2]。
基于伴随算子的大飞机气动布局精细优化设计
基于伴随算子的大飞机气动布局精细优化设计吴文华;范召林;陈德华;覃宁;孟德虹【摘要】After decades of studies, the potentialities of traditional wing-body configuration are almost exhausted. So, it is difficult to improve the performance of the traditional aerodynamic shape of transonic civil aircraft by conventional design method. In this paper we develop ADJOINT method based on aerodynamics optimization software-ADJOPT, and the software is used to optimize the wing of a transonic civil aircraft with fuselage and nacelle, which is already optimized by traditional way. The optimization is multi-parameter, high precise and taking the influence of the fuselage and nacelle into account. The software performs well and gets obvious performance improvement. The research shows that multi-parameter optimization has the ability to exploit potentialities of a high-performance shape and increases the aerodynamic performance of it.%发展了基于伴随算子的气动布局优化设计软件-ADJOPT,并将该软件用于经过传统设计方法优化的大飞机布局上,开展全机状态下的机翼多参数、高精度优化设计,计入了短舱和机身对机翼气动特性的影响,取得了明显的优化效果.研究结果表明,多参数优化设计能够充分挖掘一个优良布局的设计潜力,进一步提高布局性能.【期刊名称】《空气动力学学报》【年(卷),期】2012(030)006【总页数】7页(P719-724,760)【关键词】超临界翼型;参数优化;伴随算子;减阻【作者】吴文华;范召林;陈德华;覃宁;孟德虹【作者单位】中国空气动力研究与发展中心空气动力学国家重点实验室,四川绵阳621000;中国空气动力研究与发展中心高速空气动力研究所,四川绵阳621000;中国空气动力研究与发展中心高速空气动力研究所,四川绵阳621000;中国空气动力研究与发展中心高速空气动力研究所,四川绵阳621000;谢菲尔德大学,英国谢菲尔德S3 7JJ;中国空气动力研究与发展中心空气动力学国家重点实验室,四川绵阳621000【正文语种】中文【中图分类】V211.30 引言在飞行器气动布局设计的后期，布局的主要特征参数和外形都已经确定，比如机身的长度、圆柱段直径、机翼的展弦比、前缘后掠角、根梢比、截面最大厚度，机翼面积，尾翼位置及面积等。
?北工大《AdvMater》：新型全浓度梯度设计改善锂离子电池性能！
北工大《AdvMater》：新型全浓度梯度设计改善锂离子电池性能！编辑推荐：本文设计了一种新型全浓度梯度定制球型富锂层状氧化物(LLOs)。
LLOs的电压衰减、速率性能、循环稳定性和热稳定性都得到了改善。
提出了抑制锂离子电池电压衰减的方法，以及一种体结构设计策略为不同的可充电电池制备更好电极材料。
锂离子电池(LIBs)在为各种商品提供动力方面发挥着至关重要的作用。
然而，LIBs的能量输出目前受到高能阴极材料缺乏的限制。
与传统阴极和富镍阴极相比，由于能量密度几乎增加了一倍，富锂层状氧化物(LLOs)被认为是下一代锂离子电池极有前途的阴极家族。
然而，LLOs严重的电压衰减和循环能量衰减仍阻碍其实际应用。
近日，北京工业大学尉海军教授团队提出，从中心到表面具有线性降低的锰，和线性增加的镍和钴的全浓度梯度凝聚球LLO，被设计用于进一步解决严重的电压衰减问题。
相关论文以题为“Full Concentration Gradient-Tailored Li-Rich Layered Oxides for High-Energy Lithium-Ion Batteries”发表在Advanced Materials上。
论文链接/doi/abs/10.1002/adma.202001358研究结果发现，梯度设计提高了性能，包括抑制电压衰减、改善循环性能和增强速率性能。
特别是，在没有任何结构修改或电解质优化的情况下，最佳的中等梯度LLO可以在200毫安时，200次循环中提供3.61伏的初始放电电压和0.8毫伏的平均电压衰减，88.4%的容量保持率和0.58Wh kg−1的能量密度损失。
通过结合XRD和STEM分析，发现梯度设计显著抑制了LLOs中尖晶石相的形成。
差示扫描量热法和高温原位XRD研究表明，梯度低聚物具有改善的热稳定性。
研究中的梯度设计有效地抑制了电压衰减，提高了综合电化学性能，使其非常适用于实际应用的高能低聚物的制备。
基于偶极子的连续突风响应改进算法
1 － ρV2 Q qq （ ω） 2
1 2 ρ V Q qδ （ ω ） 2
1 2 ρV Q g （ ω） 2
不考虑控制面刚体偏转模态， 即 δ = 0， 则突风 响应位移为 d = Φq = ΦA －1 DW g （ 8） 式中， Φ 为模态矩阵。 由 （ 8 ） 式可得突风响应位移 的传递函数矩阵为 H d （ ω） = d = ΦA －1 D Wg （ 9）
2 －1 －1
（ 7） 4. 2 突风功率谱的选取 突风模型定为 von Karman 模型。 其中， 突风强 3. 8 m / s ， 380 m ， 度为 垂向突风尺度为 截止频率 30 Hz。来流马赫数为 0. 5 ， 飞行速度为 100 m / s， 高度 为海平面。选取的突风功率谱密度如图 3 所示。
∫
ωc 0
| H w （ ω） | 2 S g （ ω） dω （ 12 ）
式中， ω c 为截止圆频率。
4
图2 连续突风响应计算流程图
算例与分析
机翼动响应模型
4. 1 3. 2 突风响应传递函数 飞机连续突风响应计算的基本任务就是确定飞 机任一部位的响应位移， 加速度等的频率响应函数。 引入谐 振 荡 条 件， 由（ 1） 式可得频域气动弹性方 程为 ρV Q （ ω） ] q [ － ω M + iωC + K － 1 2 1 = [ ω M + 1 ρV Q （ ω） ] δ + ρV Q （ ω） W 2 2
B1 、 C1 、 D1 、 E 1 和 A2 、 B2 、 C2 、 D2 、 E2 是待求 式中，A1 、 的系数。 为了求得这些系数需利用五个点上的 P1 、 P2 的值。 这五个点的位置如图 1 所示。 对应的 ζ 值分 0、 ej / 2 、 ej ， 别是 － e j 、－ e j / 2 、 于 是， 可求得待定系 数为 Ak = － 1 e P k （ － e j ） － 16 P k － j + 30 P （ 0 ） － 6 e2 2 j
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于adjoint solver空气动力学优化方案
1.前言
随着世界工业的高速发展，对能源的需求日趋严重，因此，降低能耗显得尤为重要。
对于汽车工业而言，汽车在平直的高速路上行驶，主
要受到滚动阻力和气动阻力影响，由此可见，降低风阻系数是降低汽车
能耗的重要手段之一。
早些年前，汽车设计开发过程中，研究汽车空气动力学主要还是风洞试验的手段，导致汽车开发的周期较长，开发成本比较昂贵。
随着这
些年的计算机技术的蓬勃发展，以及CFD数值方法的引入，大大缩减了
汽车开发周期及开发成本。
CFD技术可以在计算机内建立1:1数值风洞，快速获取空气动力学性能，并且可以诊断出各个部位风阻贡献量。
本文主要目的通过外CAS
进行CFD仿真，获取风阻系数，在CFD仿真的基础上引入adjoint
solver伴随求解功能诊断出风阻灵敏度高的部位，实现整车风阻优化过程。
2.Adjoint Solver数学模型
伴随法是用于预测许多输入参数对模拟中某些相关工程量的影响的有效方法。
最初初的模拟分三步执行（其中，假设存在初始网
X0）：
1.指定设计参数：
定义如何通过更改设计参数D的值使初始网格的形状发生变形。
此定义使用点X定义设计变量与结果网格之间的关系。
这些网格点可
能是网格变形或其他网格生成进程导致。
2.原始求解：
迭代求解所模拟物理的控制方程，将其解表示为 Q。
3.求解分析：
创建报告目标L，用于计算零部件上的物理量，如车辆上的阻力。
遵循这些步骤，按运算顺序(X(D);Q(X);L(Q,X))计算目标L，其输入是
一组指定的设计参数D，输出是L。
然后，按照与最初模拟相反的顺
序计算所模拟物理的伴随。
基于设计修改的目标优化需要该目标相对于设计参数的灵敏度，即dL/dD。
导数dL/dD由序列(X(D);Q(X);L(Q,X))求导得
到：
通过对系统导数进行转置，可以得到：
1.根据求解计算报告目标的灵敏度。
2.根据网格计算报告目标的灵敏度，即
3.可执行计算，即与上一步的的乘积。
计算的项用于描
述报告目标相对于网格设计参数的灵敏度。
3.数值风洞模型
3.1几何模型
本文的目的是主要阐述adjoint solver求解算法进行外流场优化，故本文中的外流场模型是简易模型，并且是半车对称模型。
如下图1所
示：
图1 外流场几何模型
3.2网格模型
本文采用STAR-CCM+中的trimmer与prism体网格进行分析。
车身
表面的网格尺寸10～15mm，计算域网格尺寸为10～100mm，边界层厚度为5mm，层数为3层，增长比为1.2，体网格总数约为160w。
网格模型如图2所示。
图2 外流场网格网格模型
3.3物理模型
本文采用coupled算法，湍流模型采用可实现化的k-epsilon双方程，启用伴随求解和表面灵敏度分析。
具体物理模型如图3所示。
图3 物理模型
3.4边界条件
数值风洞入口条件采用速度入口，速度为30m/s；数值风洞出口条件为压力出口，压力值为0pa。
车轮不旋转。
4.CFD分析结果及adjoint solver优化
4.1 CFD分析结果
4.1.1空气动力学性能
本文的外流场模型的迎风截面积是1.21m2，风速为30m/s,空气密度为1.18415kg/m3,通过STAR-CCM+仿真计算后可以得到气动阻力，根据气
，输出风阻系数，本模型计算得到的风阻系数是动阻力公式C d=F
0.5ρAu2
0.524。
如图4。
图4 风阻系数监测曲线
4.1.2 速度、压力、流线
对于整车风阻而言，压差阻力占整个风阻一半以上的比例，通过压力云图可以找到车头部位的正压区域，针对这些正压区域进行优化；并且通过速度云图和速度流线图发现流动分离区域，即产生旋涡的地方，这些地方也是需要进行优化的地方。
如下图所示。
图5 速度云图
图6 压力云图
图7 速度流线
由速度云图可知，车尾下扰流板不合理，导致尾涡与地面撞击；从压力云图可知，前保险杠很平，导致正压区域很大；从速度流线看到，前保两侧的速度分离较为严重。
接下来，我们可以通过灵敏度分析找到这些地方，并对这些地方进行优化。
4.2.adjoint solver优化
4.2.1 表面灵敏度分析
根据章节2中数学模型步骤2可知，Adjoint solver是在CFD求解收敛后进行解算。
在3.3中我们已经调用adjoint solver求解器，当求解CFD时，adjoint solver是不参与求解的；完成CFD计算后，在solver 中右键点击运行adjoint solver，此时CFD计算不参与。
如图8所示操作。
图8 adjoint运行
完成adjoint solver求解后，可以在后处理中查看表面灵敏度的结果，表面灵敏度是矢量，为我们如何变形提供了方向。
灵敏度箭头长短表示值的大小，我们可以关注灵敏高的地方。
如图9所示表面灵敏度。
图9 车身表面灵敏度
从车身表面灵敏度来看，与CFD分析结果指出的三个地方相吻合，并且将我们没有发觉的地方如C柱，车顶等地方，通过灵敏度分析一一的找出来。
4.2.2优化方案
根据表面灵敏度提供的方向，我们进行网格变形，主要变形地方有前保险杠，A柱，车顶，C柱，车尾下扰流板等部位。
如图10所示。
图10 高灵敏度部位网格变形
通过高灵敏度部位进行网格变形后，再次进行CFD求解计算，风阻系
数由0.524降到0.512。
这是一次迭代的效果，可以CFD与adjoint solver 多次迭代达到最优效果。
5.结论
1.本文介绍了CFD仿真到adjoint solver优化的过程。
2.Adjoint solver可以分析出表面灵敏度
3.根据表面灵敏度，为优化策略提供了技术支持。
4.通过adjoint solver优化手段，风阻系数由0.524降到0.512，收益
较为明显。